使用Python构建燃油价格跟踪器

在这种现代生活方式中，燃料已成为全人类的必需品。它是我们生活方式的基础。因此，我们将编写一个脚本来使用Python跟踪他们的价格。

需要的模块

• BS4： Beautiful Soup(bs4) 是一个Python库，用于从 HTML 和 XML 文件中提取数据。这个模块没有内置在Python中。要安装此类型，请在终端中输入以下命令。

pip install bs4

• requests： Request 允许您非常轻松地发送 HTTP/1.1 请求。这个模块也没有内置在Python中。要安装此类型，请在终端中输入以下命令。

pip install requests

让我们看看脚本的逐步执行

第一步：导入所有依赖

Python3

# import module
import pandas as pd
import requests
from bs4 import BeautifulSoup

第 2 步：创建 URL 获取函数

Python3

# user define function
# Scrape the data
def getdata(url):
    r = requests.get(url)
    return r.text

第 3 步：现在将 URL 传递给 getdata()函数并将该数据转换为 HTML 代码

Python3

# link for extract html data
htmldata = getdata("https://www.goodreturns.in/petrol-price.html")
soup = BeautifulSoup(htmldata, 'html.parser')
result = soup.find_all("div", class_="gold_silver_table")
print(result)

输出 ：

[

City	Today Price	Yesterday’s Price
New Delhi	₹ 82.08	₹ 82.03
Kolkata	₹ 83.57	₹ 83.52
Mumbai	₹ 88.73	₹ 88.68
Chennai	₹ 85.04	₹ 85.00
Gurgaon	₹ 79.92	₹ 79.84
Noida	₹ 82.23	₹ 82.30
Bangalore	₹ 84.75	₹ 84.70
Bhubaneswar	₹ 82.47	₹ 82.59
Chandigarh	₹ 78.96	₹ 78.92
Hyderabad	₹ 85.30	₹ 85.25
Jaipur	₹ 90.08	₹ 89.24
Lucknow	₹ 82.20	₹ 82.09
Patna	₹ 84.73	₹ 84.88
Trivandrum	₹ 83.91	₹ 84.03

]

注意：这些脚本只会为您提供字符串格式的原始数据，您必须根据需要打印数据。

第 4 步：现在，使用 soup.find_all() 将您需要的数据搜索到 sting 中。

Python3

# Declare string var
# Declare list
mydatastr = ''
result = []
 
# searching all tr in the html data
# storing as a string
for table in soup.find_all('tr'):
    mydatastr += table.get_text()
 
# set according to your required
mydatastr = mydatastr[1:]
itemlist = mydatastr.split("\n\n")
 
for item in itemlist[:-5]:
    result.append(item.split("\n"))
 
result

输出 ：

第 4 步：制作一个 DataFrame 来显示您的结果。

Python3

# Calling DataFrame constructor on list
df = pd.DataFrame(result[:-8])
df

完整代码：

Python3

# import module
import requests
import pandas as pd
from bs4 import BeautifulSoup
 
# link for extract html data
 
 
def getdata(url):
    r = requests.get(url)
    return r.text
 
 
htmldata = getdata("https://www.goodreturns.in/petrol-price.html")
soup = BeautifulSoup(htmldata, 'html.parser')
 
# Declare string var
# Declare list
mydatastr = ''
result = []
 
# searching all tr in the html data
# storing as a string
for table in soup.find_all('tr'):
    mydatastr += table.get_text()
 
# set according to your required
mydatastr = mydatastr[1:]
itemlist = mydatastr.split("\n\n")
 
for item in itemlist[:-5]:
    result.append(item.split("\n"))
 
# Calling DataFrame constructor on list
df = pd.DataFrame(result[:-8])
df

输出 ：